Loop Engineering：让AI自动写代码并合并PR的工程范式

当生成变得几乎免费，判断力就成了最稀缺的资源。Loop Engineering 不是让 AI 替你写代码，而是让你设计一个能替自己写提示词、能自我验证、能在该停时停下来的系统。

Stripe 内部有个叫 Minions 的系统，每周合并超过 1300 个 PR——不是人写的，机器自己写、自己跑测试、自己开 PR，人只负责最后看一眼。触发方式轻到在 Slack 里加个机器人或点个 emoji，剩下的系统自己转。这套实践最近有了名字：Loop Engineering。

它的核心不是某个新工具，而是一种角色转变：人从循环内部的操作员，变成循环外部的系统设计者。你写的不再是给 Agent 的下一句话，而是一个能自己发现任务、分发、验证、存状态、启动下一轮的系统。

从 Prompt 到 Loop：四层工程栈的演进

过去两年的「某某 Engineering」，可以理解为一层层往上叠的楼。Prompt Engineering 管一句话怎么写；Context Engineering 管这一轮窗口里放什么；Harness Engineering 管单次运行带哪些工具、什么算完成。这三层有个共同前提：人还坐在键盘前，一轮一轮按回车。

Loop Engineering 把这个前提干掉了。2026 年 6 月的某一周，三个人几乎同时点了火：Peter Steinberg 说别再直接给 Coding Agent 写提示词，去设计能替你写提示词的 Loop；Boris Cherney 也早就让 Loop 持续下指令；Eddie Asmani 在 6 月 7 日把这些收束成文章，正式命名。一周内同一方向，通常不是巧合，而是底层工具刚好过了某个阈值——Coding Agent 已经靠谱到能没人看管地干非平凡的活，主流工具支持了定时运行、并行隔离、子 Agent、外部连接，单次成本又低到反复跑不心疼。

一轮 Loop 的五个动作与六个部件

一轮 Loop 有五个动作：发现、交接、验证、持久化、调度。支撑它们的是六个部件：自动化、工作流、技能、连接器、子 Agent、外部记忆。

Eddie Asmani 的「早晨分诊 Loop」是个好例子：每天早上定时任务自己醒来，一个分诊 Skill 去读昨天失败的 CI、开着的 Issue、最近的 Commit，把值得处理的写进一个 Markdown 状态文件；每个问题开一个隔离的 Git WorkTree，一个子 Agent 草拟修复，另一个专门挑毛病；连接器负责开 PR、更新工单；搞不定的扔进待处理箱等人。状态文件留着，第二天接着干。没有一步需要人推着走，但它会在该等人的地方停下来。

这句话是整套东西的灵魂——好的 Loop 不是全自动，而是知道在哪里交还控制权。

Git WorkTree 是 Git 自 2.5 版本起提供的特性，允许从同一个仓库同时检出多个工作目录，每个 WorkTree 拥有独立的分支和文件状态，但共享同一份对象数据库。对 Loop 而言，这意味着多个子 Agent 可以各自在一个隔离目录里修改代码，互不覆盖彼此的编辑，也不会因为切换分支而打断正在运行的任务。这正是「交接」这一步避免「缠绕 Loop」的底层机制：隔离而不是排队，让并行成为可能。需要注意的是，WorkTree 只隔离文件系统与分支状态，不隔离网络端口、数据库或外部服务，因此多 Agent 并行时仍需在更高层做资源级隔离（如独立容器或独立测试数据库），否则冲突会从文件系统转移到运行时。

最难的部分：在 Loop 里放一个能说「不」的 Agent

Loop 最难的不是让它跑起来，而是在里面放一个能说不的东西。而写代码的那个 Agent 恰恰最不可能说不。Anthropic 的工程师 Prithvi Rajasekaran 有个扎心观察：你让 Agent 给自己刚写的代码打分，它往往自信地夸自己。这不是模型不聪明，是给自己作业打分的结构性问题——它回头看自己的输出，看到的不是结果，而是自己刚说服自己的那条推理链。

放到 Loop 里，这个问题指数级放大。如果每一轮够不够好都由刚写完代码的 Agent 自己判断，Loop 就会一轮轮点头，以机器的速度偏离真实质量。解法不是提醒它「请严格自查」，而是结构性地换个裁判：一个 Agent 写，另一个 Agent 带完全不同的指令去审查，甚至换个底层模型。思路有点像 GAN，一个生成，一个挑错。

这里有个反直觉的结论：把一个独立评估者配得足够挑剔，比让生成者对自己苛刻容易得多，因为大模型天生盲目自信。更狠的是，评估者不能只读代码——只读代码，它判断的是「看起来对不对」，不是「跑起来对不对」。所以要给它接工具，比如 Playwright MCP，让它真的打开页面、点按钮、截图、查 DOM。判断基础就从「这段 JSX 看着还行」变成「我点了按钮，页面确实跳了，这是截图」。Claude Code 的 Goal 把这个结构产品化了：给 Agent 一个明确的停止条件，每轮之后由一个新的小模型判断条件成不成立，不成立就继续下一轮，而不是把球踢回给人。

Loop 的下限由评估者决定。生成者决定它能产出什么，评估者决定它不会放过什么。

GAN（生成对抗网络） 是 Ian Goodfellow 于 2014 年提出的一类深度学习框架，由生成器（Generator）和判别器（Discriminator）两个网络组成：生成器负责制造假样本，判别器负责分辨真假，二者在对抗中共同进步，最终生成器能产出判别器难以分辨的逼真样本。这里借用其核心思想——让「生成」与「评判」由两个独立的、目标对立的角色承担。在 Loop Engineering 的语境下，写代码的 Agent 相当于生成器，审查 Agent 相当于判别器；关键不在于两个 Agent 多聪明，而在于评判者的目标与生成者的目标被结构性地区分开来，从而避免同一条推理链自己说服自己。与 GAN 不同的是，这里的判别器还要接入真实执行环境（如 Playwright MCP）来验证行为，而不是仅凭静态观察下判断。

五种失控的 Loop：跳过哪一步，就掉进哪个坑

失败比成功更常见，也更有启发。每一种失控的 Loop，都对应五个动作里某一步被跳过：

• 跳过验证 → 点头 Loop：跑几百轮，从没对自己说过不，错误以机器速度积累。
• 跳过持久化 → 健忘 Loop：窗口一刷新全忘了，每天早上都从同一个地方重新开始。
• 跳过调度 → 手动 Loop：demo 当天惊艳，人忘记跑的那天安静死掉。
• 跳过发现 → 盲目 Loop：每天还得人为任务清单，只自动化了「做」，没自动化「找」。
• 跳过交接 → 缠绕 Loop：五个 Agent 同时改同一个目录，编辑互相覆盖，合并现场一团糟。

匆忙搭出来的 Loop，最容易先装上「发现」和「交接」这两个能出可见输出的部件，然后跳过验证、持久化、调度这些真正保命的东西。看起来自动化了，其实是个没人看、没人能停、只会点头的高速垃圾生成器。

Loop 还有几张不会自己清掉的隐形账单：验证债——PR 合了不代表对了，问题藏在测试没覆盖的地方；理解腐烂——Loop 交付你没写过的代码越快，你脑子里的系统地图落后越多；认知屈服——Loop 越可靠，人越容易放弃自己的意见；Token 爆炸——一个 bug 可能整夜空转，最后留下的不是修好的代码，而是一张陌生的账单。这四个还会互相强化：越为验证的输出越多，人越不理解；越不理解，越容易放弃判断；越放弃判断，Loop 越没人看管地跑；跑得越久，花得越多，产生更多未验证的输出。

Playwright MCP 是 Microsoft 的 Playwright 浏览器自动化框架与 Model Context Protocol（MCP）结合的服务器实现。MCP 是 Anthropic 于 2024 年底提出的开放协议，用于让模型以标准化方式调用外部工具和数据源；Playwright MCP 则把「打开页面、点击、填表、截图、读取 DOM 与无障碍树」这些浏览器操作封装成模型可调用的工具。对 Loop 中的评估者来说，它的价值在于把判断基础从静态代码审查升级为真实行为验证——评估者可以亲自按下按钮并截图，确认页面是否如预期跳转，而不是推测「这段代码看起来应该能跑」。这也是「验证」环节能被结构性执行、而不依赖生成者自觉的技术前提之一。

三条纪律：把刹车装进系统里

第一，每天留一点时间抽样读 Loop 产出的东西。 强迫自己解释每个改动为什么这么做。解释不了，就是你的理解已经落后于代码库了。这个信号最好在安静的早晨发现，而不是在生产事故里。

第二，先设预算，再谈自动化。 单次预算、每日预算、最大重试次数——这些上限不是省钱，是熔断器。一个没有 cap 的 Loop，相当于把花钱权限交给了他自己的 bug。

第三，永远保留一个人工介入的入口。 不是人每次都会介入，而是他让人保留介入的能力。把每扇门都焊死的人，真正需要进去的那天，会发现自己没有钥匙。

Stripe 的 1300 个 PR 为什么可靠

回到 Stripe 的案例，它可靠的原因特别朴素：模型被夹在一堆确定性步骤之间，规则能解决的绝不交给概率模型。Linter 是硬编码关卡，Agent 跳不过去。1300 个 PR 最后仍然有人 review——人没有离开，只是从写代码的位置换到了审查的位置。

想上手的话，别一上来就学 Stripe。第一个 Loop 应该小到几乎不像个系统：先跑一个定时分诊，把发现写进状态文件，加一个独立评估者，设好预算，留好人工审查点。端到端跑通，检查机制真的抓到过一次错误，再谈扩大规模。Loop 要先证明自己能停住一个坏 Agent，才有资格运行更多 Agent。

Loop 让生成变得接近免费——代码、计划、PR、修复都可以大量产生。但判断仍然稀缺：哪个方案对，哪条线该停，哪个输出能跑但方向是错的。这些 Loop 给不了。它能生成一百个选项，但它只能判断「看起来合理」。而看起来合理和实际上正确之间那道缝隙，就是工程师往后最值钱的地方。

Loop 是个放大器。你带进去的是理解，它放大理解；你带进去的是懒惰，它放大懒惰。同一套系统，一个人用它加速自己已经掌握的工作，另一个人用它逃避理解。六个月后，后者只是自己都读不懂的机器的守门人。

所以那句话值得刻在工位上：停止亲自给 Agent 写提示词，去设计替人写提示词的系统。但要像一个打算继续当工程师的人那样去设计它，而不是像一个只想按下启动键的人。评估者、状态文件、预算上限、人类审查点，其实是同一件事的四种实现——让人保留对一台高速说 yes 的机器说 no 的能力。